Meinungsforscher haben sich bei der Wahl 2016 geirrt. Jetzt wollen sie noch einen Schuss.

Es gibt eine neue Gruppe von Möchtegern-Orakeln, die entschlossen sind, die Fehler ihrer Vorgänger nicht zu wiederholen.14. Februar 2020

Karsten Petrat

In der Nacht des 8. November 2016 sah Charles Franklin, wie Millionen anderer Amerikaner, die Ergebnisse der Präsidentschaftswahlen mit einem, wie er es beschrieb, sinkenden Gefühl. Aber Franklin , ein Meinungsforscher aus Wisconsin und Professor für Recht und öffentliche Ordnung an der Marquette University, war wegen seiner persönlichen politischen Präferenzen nicht beunruhigt; er hatte seinen Ruf auf dem Spiel. Nur eine Woche zuvor hatte seine eigene Umfrage gezeigt, dass Hillary Clinton in Wisconsin um sechs Punkte gestiegen ist. Stattdessen war sie hier und verlor mit sieben Zehntelpunkten.

Franklin war beim ABC-Entscheidungsschalter im Dienst, ein Mitglied eines Expertenteams hinter den Kulissen, das dafür verantwortlich war, Staaten für Clinton oder Donald Trump anzurufen, als die Zahlen eingingen. Als er beobachtete, wie sich die Rücksendungen bis vier Uhr morgens häuften, wurde es klar, dass seine Umfrage ausgeschaltet war.



Das Problem mit den Vorhersagen

Diese Geschichte war Teil unserer Ausgabe März 2020

  • Siehe den Rest des Problems
  • Abonnieren

Niemand will falsch liegen, sagt er rückblickend. Insofern war es sehr deprimierend.

Er war nicht der einzige Meinungsforscher, der die Wahl falsch interpretierte. Laut RealClearPolitics , jede einzelne von mehr als 30 Umfragen in Wisconsin in den Monaten vor der Wahl hatte Clinton den Staat mit einem Vorsprung von 2 bis 16 Punkten gewonnen. Und diese Fehler wurden weiter verstärkt, weil sie dann als Treibstoff für Computeralgorithmen verwendet wurden, die einen Gesamtsieg Clintons vorhersagten.

Nachdem Donald Trump seine Siegesrede gehalten hatte und sich der Staub verzogen hatte, fingen alle an, ihre Fehler einzugestehen.

prinzessin lese rouge eins

Es tat mir weh zu erkennen, dass ich mich geirrt hatte, schrieb Natalie Jackson, eine Datenwissenschaftlerin bei der Huffington Post, die Clinton eine Gewinnchance von 98 % gegeben hatte.

Die Medien, einschließlich vieler Medien, deren eigene Prognosen Clinton eine hohe Wahrscheinlichkeit des Sieges gegeben hatten, begannen, das Versagen von Vorhersagealgorithmen zu verurteilen. Einige Kritiker waren vorsichtiger als andere und räumten ein, dass einige Prognostiker einen Trump-Sieg zutreffend als lediglich unwahrscheinlich beschrieben hatten. Aber viele bezweifeln die ganze Idee, Wahlen vorherzusagen. Einige nutzten die Wahl sogar als Munition, um den gesamten Bereich der Datenwissenschaft anzugreifen.

Doch fast vier Jahre später und mit einem weiteren bevorstehenden Wettbewerb beginnen Prognostiker, frühe Vorhersagen für 2020 zu veröffentlichen. Die Gegenreaktion auf 2016 hat sie nicht davon abgehalten – tatsächlich gibt es jetzt eine ganz neue Gruppe von Möchtegern-Orakeln, die entschlossen sind, dies nicht zu tun die Fehler ihrer Vorgänger wiederholen.

Was schief gelaufen ist

Ein Cocktail von Problemen führte zu den Wahlausfällen von 2016. Einige Umfragen erreichten nicht genügend weniger gebildete weiße Wähler, während einige Trump-Anhänger sich weigerten, zuzugeben, wie sie wählen würden. Trumps unkonventionelle Strategie brachte auch mehr Bürger in stark republikanisch geprägten Landkreisen hervor. Meinungsforscher gingen fälschlicherweise davon aus, dass diese Leute wie bei früheren Wahlen fernbleiben würden, was Trumps Basis kleiner erscheinen ließ, als sie wirklich war.

Aber während die Meinungsforscher die Mehrheit der Schuld erhielten, hätte vielleicht mehr Verurteilung auf die Prognostiker fallen sollen, die die Daten der Meinungsforscher in Vorhersagen umwandeln.

Zwei große Prognostiker hatten Hillary Clinton zu 99 % zum Sieg verholfen, sagt G. Elliott Morris, ein Datenjournalist beim Economist, der an Wahlprognosen arbeitet. Als sie es nicht tat, gaben viele von ihnen nur den Meinungsforschern die Schuld, weil es ihnen leicht fiel.

Einige der Datenwissenschaftler, die an der Entwicklung der Vorhersagealgorithmen mitgewirkt haben, machten mindestens zwei große Fehler. Erstens gingen sie davon aus, dass, wenn die Wahrscheinlichkeit, in Wisconsin um fast sieben Punkte daneben zu liegen, gering war, die Wahrscheinlichkeit eines vergleichbaren Fehlers in anderen kritischen Staaten wie Michigan und Pennsylvania gering war. Tatsächlich wurden Wahlprobleme in einem Staat mit Fehlern in anderen, ähnlichen Staaten korreliert. Die Annahme, dass Umfragen völlig unabhängig voneinander seien – anstatt die gleichen Reaktionen auf die gleichen Themen widerzuspiegeln – führte zu einem übertriebenen Vertrauen in Clintons Führung.

Zweitens haben Vorhersagealgorithmen die Rekordzahl unentschlossener Wähler nicht als Warnzeichen registriert. Da so viele Wähler bis zum Wahltag auf der Hut waren – und am Ende stark für Trump brechen würden – waren Clintons Margen viel weniger sicher, als sie aussahen.

Chance auf Regen vs. Sonne

Karsten Petrat

Es starrte uns direkt ins Gesicht, sagt Rachel Bitecofer , Professor für Politikwissenschaft an der Christopher Newport University. Hätte es kurz vor dem Wahltag mehr Umfragen in den hart umkämpften Bundesstaaten gegeben, so ihre Vermutung, hätten Analysten möglicherweise die ungewöhnlich hohe Zahl von Wählern aufgegriffen, die sich im letzten Moment entschieden hätten, an der Wahl teilzunehmen.

Es war jedoch nicht nur die Schuld der Prognostiker. Selbst wenn ihre Wahrscheinlichkeiten für jeden Kandidaten richtig waren, schien die Öffentlichkeit Schwierigkeiten zu haben, die Bedeutung dieser Zahlen zu verstehen.

In den letzten Tagen des Wahlkampfs arbeitete ich bei FiveThirtyEight, einem der prominentesten Anbieter von Vorhersagen. Meine Arbeit beinhaltete nicht das Rennen um die Präsidentschaft: Stattdessen berichtete ich über die World Series des Baseballs. Als die Chicago Cubs in der Sieben-Spiele-Serie gegen die Cleveland Indians drei Spiele zu einem verloren hatten, stellte ich fest, dass ihre Gewinnchancen mit etwa eins zu sechs um Haaresbreite unter Trumps Chancen lagen, das Weiße Haus zu erobern. Sechs Teams hatten es zuvor in der 113-jährigen Geschichte der World Series geschafft, und weitere sieben hatten es in anderen Playoff-Runden geschafft, also war es definitiv möglich, aber es war nicht typisch. Danach, als sowohl die Cubs als auch Trump gegen alle Widrigkeiten gewannen, erhielt ich eine Flut von Hass-Tweets, in denen ich beschuldigt wurde, zwei sehr mögliche Wendungen des Schicksals irgendwie verhext zu haben.

Wenn Sie hören, dass es mit 20 % Regenwahrscheinlichkeit regnen wird, bringen Sie Ihren Regenschirm nicht mit. Und dann regnet es und du bist total fertig und es ist wahrscheinlich deine Schuld, sagt Steven Shepard, Redakteur und Wahlprognostiker bei Politico. Aber dieses 20-prozentige Auftreten ist nicht unbedingt so unwahrscheinlich.

Viele Leute schienen darauf zu achten, welcher Kandidat gewinnen sollte (normalerweise Clinton), ohne zu berücksichtigen, wie sicher die Prognostiker waren. Eine 70-prozentige Chance auf einen Clinton-Sieg sprach sicherlich für den Demokraten, hätte aber ganz anders gesehen werden müssen als eine 99-prozentige Chance.

Einige sagten jedoch 99 %, und sie waren zweifellos zu aggressiv. Sam Wang vom Princeton Election Consortium schätzte Trumps Chancen auf weniger als 1 % und versprach sogar, einen Käfer zu essen, wenn Trump mehr als 240 Wahlstimmen erhalten würde.

Planeten wie die Erde gefunden

Als das Wahlergebnis bekannt wurde, blieb Wang seinem Wort treu. Eine Woche nach dem Wahltag, er erschien auf CNN mit einer Dose Gourmetgrillen (Gourmet aus der Sicht eines Haustieres, stellte er klar) und prangerte das Spektakel an, das seine Wette verursacht hatte. Ich hoffe, dass wir zu den Daten zurückkehren und nachdenklich über Politik und Probleme nachdenken können, sagte er, bevor er eine Grille in Honig tauchte und mit einem gequälten Gesichtsausdruck das Insekt herunterschluckte.

Dreifachgefährdung

Nicht alle Prognosen lagen so weit daneben wie die von Wang. Einige erwarteten sogar einen Sieg für Trump. Um zu verstehen, warum sie so unterschiedlich ankamen, ist es wertvoll, sich die Bandbreite der Ansätze anzusehen, die in drei große Klassen fallen.

Die frühesten Prognosen in jedem Wahlzyklus stammen von sogenannten Fundamentaldatenmodellen. Diese basieren in der Regel auf Zustimmungsraten des Präsidenten, Wirtschaftsstatistiken und demografischen Indikatoren. Eine starke Wirtschaft verspricht der Partei des Amtsinhabers einen Sieg, ebenso wie eine hohe Zustimmungsrate für den Amtsinhaber. Die demografische Zusammensetzung eines Staates kann auch verwendet werden, um das Ergebnis vorherzusagen – zum Beispiel haben weiße Wähler ohne Hochschulabschluss 2016 eher für Trump gestimmt, also werden Staaten mit vielen von ihnen 2020 eher seinen Weg gehen als Gut.

Da diese Faktoren relativ stabil sind, können zuverlässige fundamentale Vorhersagen viel früher getroffen werden als bei den meisten anderen Prognosetypen. Modelle wie dieses scheinen zu einfach, um alle Macken und Skandale der modernen, zweijährigen Kampagne einzufangen. Aber 2016 schnitten sie erschreckend gut ab: Sechs von zehn haben die endgültige Volksabstimmung auf einen Prozentpunkt genau vorhergesagt.

Die Präsidentschaft wird jedoch nicht durch direkte nationale Volksabstimmung gewählt, und das ist eine wesentliche Einschränkung grundlegender Ansätze: Nur wenige sagen die endgültigen Ergebnisse des Electoral College voraus.

Fundamentalmodelle haben eine weitere Schwäche. Kommen brandaktuelle Nachrichten, wie ein Skandal am Ende des Rennens oder eine plötzliche Wende in der Wirtschaft (die Finanzkrise von 2008 ist ein gutes Beispiel), dann können diese stabilen Prognosen plötzlich jämmerlich hinfällig werden. Um dies zu kompensieren, begannen Statistiker vor etwa einem Jahrzehnt damit, neue Arten von quantitativen Modellen zu popularisieren, die nicht ganz so anfällig für diese Oktober-Überraschungen sind. Sie verarbeiten Umfragedaten, sobald sie herauskommen, und erstellen eine tägliche Schätzung darüber, wer gewinnen wird, damit sie reagieren können, wenn sich die öffentliche Meinung ändert.

RealClearPolicies und das Das Fazit der New York Times beide haben angesehene quantitative Modelle, aber kein Modell hat mehr Ruhm – oder wohl eine bessere Erfolgsbilanz – als Nate Silvers FiveThirtyEight-Prognose, benannt nach der Gesamtzahl der Stimmen im Electoral College. Der Algorithmus von FiveThirtyEight gibt es in mehreren Variationen, aber alle achten darauf, Umfragen danach anzupassen, wie vertrauenswürdig die Umfrageorganisation ist und ob ihre Ergebnisse tendenziell eher demokratisch oder republikanisch sind. Die sorgfältige Aufnahme von Umfragedaten und die Aufmerksamkeit, die Silver der Unsicherheit schenkt, haben es traditionell von anderen Prognosen unterschieden. FiveThirtyEight ist der Goldstandard, sagte mir Bitecofer.

Von den wichtigsten quantitativen Wahlvorhersagen war FiveThirtyEight’s die am konservativsten , der Clinton am Vorabend der Wahl eine Chance von 71,4 % zuschreibt. Das klingt im Rückblick ungefähr jetzt, sagt Charles Franklin: Trumps Sieg war ein unwahrscheinliches, aber nicht unmögliches Ergebnis.

Schließlich gibt es da draußen Prädiktoren, die mathematische Ansätze ganz meiden und sich stattdessen auf eine Kombination aus Intuition, Umfragen und den Ergebnissen aller anderen Arten von Modellen verlassen. Diese qualitativen Vorhersagen laufen auf einer der ausgeklügeltsten und dennoch fehleranfälligsten Rechenmaschinen, die wir kennen: dem menschlichen Gehirn.

Anstatt präziser numerischer Schätzungen gruppieren qualitative Prognostiker Rennen normalerweise in eine von vier Kategorien auf einer Skala, die von sicher bis toss-up reicht.

Toss-up bedeutet, dass es keinen Favoriten gibt: Eine Art Münzwurf, sagt er Kyle Kondik , ein qualitativer Prognostiker mit dem politischen Analyse-Newsletter Crystal Ball der University of Virginia. Lean, sagt er, ist ein kleiner Vorteil für die eine oder andere Seite. Wahrscheinlich ist eine größere Kante für die eine oder andere Seite. Und sicher, sagt er, bedeutet, dass wir schockiert wären, wenn diese Partei verlieren würde. Einige qualitative Prädiktoren argumentieren, dass diese verbalen Gruppierungen den Lesern helfen, die relativen Wahrscheinlichkeiten besser zu verstehen als die genaueren Zahlen, die anderswo angeboten werden.

Während diese Vorhersagen weniger wissenschaftlich erscheinen mögen als solche, die auf knirschenden Zahlen basieren, weisen einige ein beeindruckendes Maß an Genauigkeit auf. In den Midterms 2018 laut einer unabhängigen Bewertung mehrerer professioneller Prognosen , war es die treffend benannte Kristallkugel, die am besten abschneidet, nicht der statistische Algorithmus von FiveThirtyEight. Die Leistung schwankt jedoch tendenziell von Zyklus zu Zyklus: Laut Meinungsforschern und Wissenschaftlern besteht die beste Vorgehensweise darin, eine Vielzahl von Prognosen zu verwenden – qualitative, quantitative und fundamentale.

Was nun?

Fast alle Prognostiker, mit denen ich gesprochen habe, hatten nach den Ergebnissen von 2016 gehässige Hasspost erhalten. Dennoch haben Dutzende neuer Modellbauer für 2020 ihren Hut in den Ring geworfen.

Sie werden ihre Vorhersagen in diesem Jahr zum ersten Mal veröffentlichen und sind bestrebt, Fehler aus vergangenen Wahlzyklen zu vermeiden. Morris, der Prognostiker des Economist, ist einer von denen, die das Feld betreten. Er hat frühere, fehleranfällige Vorhersagen als Menschenlügen und redaktionelles Fehlverhalten bezeichnet. Daraus sollten wir lernen, sagt er.

The Economist wird seinen Algorithmus auf der Grundlage von Umfragen aufbauen, die von externen Organisationen veröffentlicht wurden, aber er wird auch seine eigenen Umfragen durchführen, um die Ergebnisse in mehrdeutigen Zuständen und Rassen zu stützen, von denen Morris hofft, dass sie zu größerer Genauigkeit führen können.

Auch die Washington Post setzt erstmals auf Vorhersagen – geht aber einen anderen Weg. Sie hält sich aus dem Prognosespiel heraus, bis erste Rückmeldungen eintreffen. Erst wenn die ersten Bezirke am Wahltag mit der Bekanntgabe der Stimmenzahlen beginnen, wird die Post ihr analytisches Modell einsetzen, um die Wahrscheinlichkeit zu beurteilen, dass bestimmte Kandidaten den Staat oder Bezirk wählen, für den sie sind im Wettbewerb. Indem sie warten, bis die ersten Stimmzettel ausgezählt sind, planen die Datenwissenschaftler der Post, den Fehler bei der Vorhersage der restlichen Stimmen drastisch zu reduzieren, allerdings auf Kosten der Möglichkeit, keine frühe Prognose veröffentlichen zu können.

Auch erfahrene Prognostiker und Meinungsforscher sitzen nicht auf ihren Händen. Erbauer von Grundlagenmodellen beginnen, sich der Herausforderung zu stellen, das Electoral College vorherzusagen, anstatt nur die Volksabstimmung. Bitecofer entwarf ein Modell, das hauptsächlich auf demografischen Daten basiert und bereits einen knappen Wahlsieg für den demokratischen Herausforderer vorhersagt, wer auch immer das sein mag.

Die Designer dieser problematischen quantitativen Algorithmen scheinen ihre Lektion über korrelierte Fehler zwischen Zuständen gelernt zu haben. Die Huffington Post gab eine MEA schuld für seine 98-prozentige Vorhersage eines Clinton-Sieges. Wang, der Insekten fressende Princeton-Professor, hat versprochen, seinen Algorithmus zu aktualisieren, damit er 2020 viel weniger zuversichtlich sein wird, in seinem Blog zugeben dass sein früheres Modell ein Fehler war.

PFERDERENNEN-UMFRAGEN SOLLTEN DEN ZYNISMUS ERHÖHEN … ES VERANLASST MENSCHEN, POLITIK ALS SPIEL ZU BETRACHTEN, WO SIE AUSGEHEN UND FÜR IHR TEAM WURZELN.

Qualitative Prognostiker hingegen haben aus dem Jahr 2016 eine Vielzahl von Lehren gezogen. Es gibt viele verschiedene Dinge, auf die ich mir im Nachhinein wünschte, wir hätten uns vielleicht ein bisschen mehr konzentriert, aber ich würde sagen, dass die auf Fundamentaldaten basierenden Modelle die besten waren diese Wahl, sagt Kondik von der University of Virginia. Ich wünschte, wir alle schenkten ihnen mehr Beachtung.

Kondik und andere betonen die Notwendigkeit, angesichts der historischen Unbeliebtheit des amtierenden Präsidenten, die seine Chancen verringern sollte, und der starken Wirtschaft, die sie erhöhen sollte, bei Vorhersagen vorsichtig zu sein. Diese Duellfaktoren bedeuten, dass das Rennen vom Wahltag an bisher ungewiss ist.

Rennillustration

Karsten Petrat

An anderer Stelle haben Medienorganisationen auch damit begonnen, ihre Schätzungen so bereitzustellen, dass sie dem Leser ein besseres, intuitiveres Verständnis dafür vermitteln, was Wahrscheinlichkeiten bedeuten. Anstatt beispielsweise zu schreiben, dass die Demokraten bei den Zwischenwahlen 2018 eine Chance von 87,9 % hätten, das Repräsentantenhaus zu erobern, betonte FiveThirtyEight, dass sie damit rechnen konnten, sieben von acht Wahlen zu gewinnen.

Psychologen haben herausgefunden, dass Menschen diese Art von [Zahlen] besser verstehen, schrieb Yphtach Lelkes, Professor für Kommunikation an der University of Pennsylvania.

Schließlich verbessern auch Meinungsforscher ihr Spiel. Die American Association for Public Opinion Research (AAPOR) hat einen Rückblick auf das Jahr 2016 mit Lehren für zukünftige Wahlen herausgegeben. Zu den Tipps gehören die Verwendung statistischer Tricks, um sicherzustellen, dass Bevölkerungsstichproben repräsentativer für den befragten Staat sind, und die Durchführung weiterer Umfragen in den letzten Tagen des Wahlkampfs, um die Neigungen der Wähler mit später Entscheidung zu erfassen, die sich als so entscheidend für Trumps Sieg erwiesen haben.

Franklin, der Meinungsforscher aus Wisconsin, war einer der Autoren der Obduktion von AAPOR. Das systematische Scheitern von Dutzenden von Umfragen in mehreren Bundesstaaten deutet darauf hin, dass der Fehler seiner Umfrage eher auf eine echte Verschiebung in den letzten Tagen des Rennens als auf einen früheren, grundlegenderen Fehler zurückzuführen war. Trotzdem fragt er sich, was hätte sein können: Was wäre, wenn wir das Wochenende vor der Wahl durchgefragt hätten? Hätten wir den Schwenk zu Trump in diesen Daten erfasst?

Quantenabfrage

Aber während Fehler von vor vier Jahren korrigiert werden können, können für den Zyklus 2020 auch neue Schwierigkeiten auftauchen. Einige können sogar von der Prognose selbst angetrieben werden. Einige Experten argumentieren, dass Wahlvorhersagen genau die Ergebnisse beeinflussen könnten, die sie vorherzusagen versuchen.

STUDIEN ZEIGEN, DASS MENSCHEN WENIGER WAHREN, WENN SIE GLAUBEN, DASS DAS ERGEBNIS EINER WAHL SICHER IST.

Laut a Kürzlich durchgeführte Studie , ein überwältigend liberales Publikum schaltete sich 2016 auf diese übermäßig zuversichtlichen quantitativen Prognosen ein. Zuvor veröffentlichte Studien deuten darauf hin, dass Menschen, die glauben, dass der Ausgang einer Wahl sicher ist, weniger wahrscheinlich wählen gehen, insbesondere wenn die Gewissheit zugunsten ihrer Wahl ist Kandidat. In Abwandlung des sogenannten Beobachtereffekts – bei dem das bloße Anschauen von etwas das Ergebnis verändert – hätte die Ernährung eines stark demokratischen Publikums mit einer ständigen Diät von übermütigen Umfragen wie der von Wang die Wahlbeteiligung erheblich verringern können. Angesichts der Tatsache, dass das Rennen im Wesentlichen durch nur 107.000 Stimmen in drei Bundesstaaten entschieden wurde, hätte jede Reduzierung wichtig sein können.

Clinton verlor mit so wenigen Stimmen, dass es durchaus möglich ist, dass Wahrscheinlichkeitsprognosen dazu führten, dass genügend Demokraten zu Hause blieben, um das Ergebnis zu beeinflussen, schrieb Lelkes. Clinton selbst schlug dies vor. Ich weiß nicht, wie wir jemals berechnen sollen, wie viele Leute dachten, es wäre in der Tüte, weil die Prozentzahlen immer wieder auf die Leute geworfen wurden – „Oh, sie hat eine Gewinnchance von 88 Prozent!“, sagte sie in einem Interview in New Magazin York.

Selbst wenn die Wahlprognosen das Ergebnis 2016 nicht verändert haben, könnten sie einen größeren Einfluss auf zukünftige Wahlkämpfe haben.

Es wird angenommen, dass Umfragen zu Pferderennen den politischen Zynismus verstärken, die Wahlbeteiligung beeinflussen, die Polarisierung erhöhen und wahrscheinlich Informationen über wesentliche Themen ersetzen, schrieb Lelkes. Es führt dazu, dass die Menschen Politik als ein Spiel betrachten, bei dem sie rausgehen und ihr Team anfeuern, anstatt Kandidaten aufgrund ihrer politischen Positionen zu unterstützen. Und wenn diese Effekte real sind, werden sie wahrscheinlich stärker, je mehr Prognosen eintreten.

Einige Prognostiker, wie Silver, haben diese Bedenken zurückgewiesen. Sie argumentieren, dass es nicht ihre Aufgabe sei, den Menschen zu sagen, ob sie wählen sollen oder nicht – oder den Medien zu sagen, worüber sie berichten sollen. Andere hingegen nehmen den Rat von Lelkes und seinen Kollegen ernster.

Distanz macht das Herz

Wir experimentieren mit Wegen, um Unsicherheit zu vermitteln, die die Menschen nicht davon abhält, [vom Wählen] abzukommen, sagt Morris vom Economist. Aber ich denke, das ist immer noch ein Problem, das Prognostiker haben werden … Ich weiß nicht, wie wir einige der gesellschaftlichen Auswirkungen unserer Arbeit umgehen können.

Rob Arthur ist ein unabhängiger Journalist und Data-Science-Berater mit Sitz in Chicago.

verbergen

Tatsächliche Technologien

Kategorie

Unkategorisiert

Technologie

Biotechnologie

Technologierichtlinie

Klimawandel

Mensch Und Technik

Silicon Valley

Computer

Mit News Magazine

Künstliche Intelligenz

Platz

Intelligente Städte

Blockchain

Reportage

Alumni-Profil

Alumni-Verbindung

Mit News Feature

1865

Meine Sicht

77 Mass Avenue

Treffen Sie Den Autor

Profile In Großzügigkeit

Auf Dem Campus Gesehen

Lerne Den Autor Kennen

Alumni-Briefe

Nicht Kategorisiert

77 Massenallee

Rechnen

Tech-Richtlinie

Lernen Sie Den Autor Kennen

Nachrichten

Wahl 2020

Mit Index

Unter Der Kuppel

Feuerwehrschlauch

Unendliche Geschichten

Pandemie-Technologieprojekt

Vom Präsidenten

Titelstory

Fotogallerie

Empfohlen